Meta 推出了名为 「Scene」 的视觉模型，该模型能利用可编程语言快速建立场景，实时推断房间几何形状，并将其转换为建筑学层面的近似值。该方法能高效且轻量地建立室内 3D 模型，只需数 KB 内存即可生成清晰且完整的几何形状，且相关形状数据具有可解释性，用户可以轻松阅读和编辑。该模型借鉴了大语言模型的预测方法，通过前序输入内容推出后文，并使用这些建筑学层面的描述重建出复杂的室内 3D 环境。